杨柳青
智能交通研究项目亮点
基于通感一体化和动态射频滤波的认知车联网
未来的交通方式将通过车辆之间及与交通基础设施的智能连接，为人们提供更加安全和高效的出行体验。同时，人们不仅可以从单调乏味的驾驶中得到解脱，还可以将车辆作为办公室或娱乐室。所有这些都需要一个可靠且有弹性的车联网（IoV）。因为驾驶环境的独特性，一个让人满意的车联网需要面对诸多挑战。例如，为了实现交通安全和效率以及旅客的便利和舒适，数据服务通常对延迟和带宽要求较高。车辆环境中还充满了各种通信服务和主动感应设备，它们之间会产生潜在的干扰现象。此外，交通固有的高移动性，以及信息交换在特定交通场景下的波动现象，都可能导致迅速且难以预测的动态变化。为了应对这些挑战，该项目通过多方面的协同以增强车联网中对频谱的利用、共享和管理。该项目将促进电磁波、电子、信号处理和无线通信等学科专家之间的交流，以在不同的网络层上进行无线创新。所开发的技术也将为基础科学和工程研究提供有价值的工具，并促使社会接受新兴的认知型车辆网技术。该项目还融入了一项综合性的教育计划，可以促进科学与工程领域的多元化合作参与，并为应对未来频谱利用和无线通信方面的挑战，做好人才储备。
该项目旨在通过一种新型动态射频前端，开发感知通信一体化认知型车联网框架。针对上述挑战，所提出的车联网研究具有三个特性。首先，研究聚焦感知通信一体化。基于一种可以实现全双工模式通信的创新性的动态射频前端，使以可调的粒度来同时监测多个频谱带成为可能。其次，得出的车联网框架在两个方面具有认知能力：i) 频谱环境中认知。利用配备动态射频前端得到的频谱感知信息来生成算法，以学习和跟踪具有可量化不确定性的通信频段时空层析图；ii) 物理环境中认知。通过精心设计的波形，实现同时的通信和主动物理环境感知，所获得的信息将被用来增强通信。最后，所提出的认知型车联网框架通过硬件、架构和算法设计，具有动态能力：动态射频前端拥有实时调谐和控制能力，网络架构引入无人机按需实现对交通/旅客数据服务热点的动态支持，而开发的强化学习算法可实现频谱资源的闭环控制和管理，在系统动态未知或不可预测的情况下仍然保持鲁棒。
基于通感一体化和动态射频滤波的认知车联网
该项目旨在开发基于车对车 (V2V) 与车对网 (V2X) 共享的实时态势感知。方法是将传感器的感知与其对环境的解读相结合，同时考虑车辆与基础设施之间通信的局限性，以做出更安全的决策。支持无人自主驾驶车辆的高速公路系统将包括基础设施传感器和车载传感器，不仅传感器间保持着大规模的连接，还具有遍及整个交通网络的分布式智能。在由此生成的集体智能中，自动驾驶汽车作为移动传感器会相互增强，并与固定基础设施传感器一起，构建出实时交通图。该实时图用于制定前瞻主动型驾驶操作行为，以优化交通流和最小化事故风险。该项目更广泛的影响还包括对那些对有志于从事该行业且需要研究生培训的本科生，提供重点指导，以推动他们在计算和工程领域的参与。
这项跨学科项目涉及信号处理和机器学习、控制和优化、通信和网络科学。 前瞻主动型驾驶的集体智能框架包括以下模块：1）场景构建，包括利用信号处理和机器学习，从多模式、多视角的传感器构建驾驶环境表示；2）情境解读，包括渐进式驾驶环境动态分析； 3）决策制定，包括优化和控制，以支持主动驾驶以实现安全和最优化流量的目标； 4）安全保障网络，支持在传感和通信正常的情况下优化交通流量，在传感和通信故障的情况下缓和调节交通流量。
广州市全域互连与网联智能重点实验室
随着通信网络技术的发展以及智能设备的小型化和低能耗化，分布式多智能体模式正在飞速取代传统的集中智能模式。通信网络和以此为基础的多智能体情境获取与决策互动成为决定系统整体智能、效益和效率的关键因素。这些方面的交叉学科研究成为解决人工智能“卡脖子”问题的关键，也是国家科技发展战略的重要一环。本实验室的基础研究将覆盖全域互连与网联智能两方面内容，同时通过多学科交叉将研究成果应用于各类社会信息物理系统中。